モデル

Seedance 2.0#

ByteDance Seedance 2.0は、テキスト、画像、音声、動画の参照素材から、音声同期付きの4〜15秒動画を480p〜4Kで生成します。

Reference to Videoでは、画像9枚、動画3本（合計15秒）、音声クリップ3本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Seedance 2.5#

Seedance 2.5はByteDanceの最新動画モデルです。動き、プロンプトへの忠実度、複数参照の制御が向上し、音声付きで最大1080p、最長30秒のクリップを生成できます。

Reference to Videoでは、画像30枚、動画10本（合計30秒）、音声クリップ10本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Seedance 2.0 Fast#

Seedance 2.0 Fastは480p・720p向けに高速化した2.0です。音声付き動画を生成でき、反復作業や大量生成に適しています。

Reference to Videoでは、画像9枚、動画3本（合計15秒）、音声クリップ3本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Seedance 2.0 Mini#

Seedance 2.0 Miniは、Seedanceシリーズ最安価格で音声付きの480p・720p動画を生成します。プレビュー、A/Bテスト、大量生成に適しています。

Reference to Videoでは、画像9枚、動画3本（合計15秒）、音声クリップ3本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Kling 3.0#

Kuaishou Kling 3.0は、テキストまたは開始・終了フレームから、720p、1080p、4Kで映画のような3〜15秒の動画を生成します。ネイティブ音声も指定できます。

Kling 3.0 Omni#

Kling 3.0 Omniはテキスト、開始・終了フレーム、または最大7枚の参照画像から、720p、1080p、4Kで3〜15秒の動画を生成します。キャラクターの一貫性を保ち、ネイティブ音声も指定できます。

Kling 3.0 Turbo#

Kling 3.0 Turboは、速度に最適化したKuaishouのKling 3.0です。テキストまたは最初のフレームから、ネイティブ音声付きの3〜15秒動画を720pまたは1080pで高速に生成します。

Veo 3.1#

Google Veo 3.1は、テキストまたは最初と最後のフレームから、セリフ、効果音、環境音が同期した4〜8秒の映画のような動画を720p、1080p、4Kで生成します。

Veo 3.1 Fast#

Google Veo 3.1 Fastは、ネイティブ音声付きの4〜8秒動画を720p、1080p、4Kで生成します。Veo 3.1より高速かつ大幅に低価格で、反復作業や大量生成に適しています。

Veo 3.1 Lite#

Google Veo 3.1 Liteは、テキストまたは開始・終了フレームから、ネイティブ音声付きの4〜8秒・720p動画を生成します。Veoシリーズで最も低価格です。

Gemini Omni Flash#

Googleの標準動画モデルGemini Omni Flash 1.1は、テキスト、開始・終了フレーム、または参照画像から、セリフ、音楽、効果音付きの4〜10秒・720p動画を生成します。

Wan 3.0#

Alibaba Wan 3.0は、テキスト、画像、参照画像から音声付きの連続した480p〜1080p動画を最大30秒生成します。

Reference to Videoでは、画像4枚、動画5本（合計15秒）、音声クリップ5本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Wan 3.0 Prime#

Wan 3.0 PrimeはAlibaba Wan 3.0のプレミアムプランです。より高い映像品質と動きを実現し、音声付きの最大30秒・1080p動画を生成します。

Reference to Videoでは、画像4枚、動画5本（合計15秒）、音声クリップ5本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

MiniMax H3#

MiniMax H3（Hailuo 3）は、テキスト、画像、参照素材から、力強い物理表現とキャラクターの動きを備えた5〜15秒の動画を768Pまたは2Kで生成します。

Reference to Videoでは、画像5枚、動画3本（合計15秒）、音声クリップ3本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

MiniMax H3 Max#

MiniMax H3 Maxは、H3を追加学習して品質を高め、細部とプロンプト追従性を改善したモデルです。480Pまたは768Pの5〜15秒動画を生成します。

MiniMax H3 Fast#

MiniMax H3 Fastは、MiniMax H3のオープンウェイトを推論高速化したモデルです。テキスト、フレーム、参照素材の入力に対応し、音声も同期して生成します。480Pまたは768Pの動画をH3より何倍も速く、わずかな料金で返します。

Reference to Videoでは、画像9枚、動画3本（合計15秒）、音声クリップ3本まで指定できます。プロンプトでは@Image1、@Video1、@Audio1のように参照してください。 詳しくは参照入力をご覧ください。

Vidu Q3 Turbo#

ShengshuのVidu Q3 Turboは、テキストまたは最初と最後のフレームから、同期音声付きの1〜16秒動画を540p、720p、1080pで生成します。高速で秒単価も最安水準です。

Vidu Q3 Pro#

ShengshuのVidu Q3 Proは、テキストまたは最初・最後のフレームから、同期したセリフ、効果音、音楽を含む1〜16秒動画を540p、720p、1080pで生成します。Q3 Turboより細部の描写と動きが安定し、映画のような表現に優れています。

Vidu Q4#

Vidu Q4（プレビュー）は最初のフレームを動かすか、最大15枚の参照画像と音声クリップ3本を組み合わせ、音声付きの3〜16秒動画を540p〜4Kで生成します。

Grok Imagine Video 1.5#

xAIのGrok Imagine Video 1.5は、テキストまたは参照画像から、ネイティブ音声付きの1〜15秒動画を480p、720p、1080pで生成します。

FLUX 3 Video#

Black Forest LabsのFLUX 3 Videoは、テキストまたは開始・終了フレームから、音声同期付きの5〜20秒・720p動画を生成します。秒単位の一律料金です。

PixVerse V6#

PixVerse V6は、テキスト、画像、参照画像最大7枚から、360p〜1080pの1〜15秒動画を生成します。音声も追加可能で、SNS動画の秒単価は最安水準です。

LTX-2.5#

LightricksのLTX-2.5は、テキストまたは最初のフレームから、同期サウンドトラック付きの1〜8秒・720p／1080p動画を数秒で生成します。一般的な秒単価の一部で利用できます。

Seedream 4.5#

ByteDance Seedream 4.5は、画像1枚あたり同じ料金で2Kまたは4Kの画像を生成・編集できます。複数画像の編集でも一貫性を保ち、読みやすい文字を描写します。

Seedream 5.0 Pro#

ByteDance Seedream 5.0 Proは、精密な複数画像編集と正確な文字描画で、ブランドに合った写実的な画像を最大2Kで生成・編集します。

Seedream 5.0 Lite#

Seedream 5.0 Liteは、Seedream 5.0の高品質な画像生成・編集をより低価格で提供します。日常のクリエイティブ作業やアプリの処理に適しています。

Seedream 5.0 Flash#

Seedream 5.0 Flashは、リアルタイムや大量の画像生成・編集に最適な、Seedream 5.0シリーズ最速・最安のモデルです。

Nano Banana Pro#

Nano Banana Pro（Gemini 3 Pro Image）は、正確な文字描画、世界知識、最大14枚の入力画像による一貫したキャラクター表現で、最大4Kの画像を生成・編集します。

Nano Banana 2.1#

Nano Banana 2.1（gemini-nano-banana-2.1）はGoogleの最新画像モデルです。正確な文字描写で最大4Kの生成・編集に対応し、入力画像は最大14枚、アスペクト比は14種類から選べます。画像1枚あたり数セントから利用できます。

GPT Image 2.5#

GPT Image 2.5（Sunburst）はOpenAIの最高品質の画像モデルです。複数画像の正確な編集、信頼性の高い文字・レイアウト、5段階の画質、最大4K出力に対応します。

GPT Image 2.5 Flare#

GPT Image 2.5 FlareはOpenAIのGPT Image 2.5を高速化したモデルで、トークン単価は同じです。SNSコンテンツ、商品画像、プロトタイプ、大量生成に適し、最大4Kに対応します。

FLUX 3#

Black Forest LabsのFLUX 3は、Web上の情報に基づく知識、レイアウト制御、最大10枚の参照画像に対応し、最大4Kの画像を生成・編集します。料金は解像度ごとの固定価格です。

FLUX 3 Image Klein#

FLUX 3 Image Kleinは、Black Forest Labsのコンパクトな5.6Bオープンウェイトモデルです。FLUX 3 Imageを使い、最大4K、15種類のアスペクト比に対応した高速な16ステップのtext-to-image生成と、最大10枚の参照画像を使った編集ができます。

FLUX.2 [klein] 4B#

FLUX.2 [klein] 4Bは、Black Forest Labsの小型オープンモデル（Apache-2.0）です。FLUX.2を使い、1秒未満のtext-to-image生成と、最大4枚の参照画像を使った編集に対応。画像1枚あたり1セント未満で利用できます。

FLUX.2 [pro]#

Black Forest LabsのFLUX.2 [pro]は、プロンプトへの高い忠実度、鮮明なテキスト描画で、最大4メガピクセルの写実的な画像を生成します。参照画像を最大8枚使った編集にも対応します。

FLUX.2 [max]#

FLUX.2 [max]はBlack Forest Labsの最上位モデルです。細部、質感、文字描画、プロンプト追従性に最も優れ、最大4メガピクセルに対応します。

FLUX.2 [flex]#

FLUX.2 [flex]はサンプリングステップ数とガイダンスを調整し、文字や細部を美しく描画します。最大4メガピクセルに対応。

FLUX.1 Kontext [pro]#

FLUX.1 Kontext [pro]は、平易な指示で衣服、背景、テキスト、スタイルを編集し、人物や物体の一貫性を保ちます。画像1枚あたりの一律料金です。BFLはKontextをレガシーモデルとして掲載しており、後継モデルはFLUX.2とFLUX 3です。

FLUX.1 Kontext [max]#

FLUX.1 Kontext [max]はKontextの上位編集モデルです。[pro]よりプロンプト追従性、文字描画、一貫性に優れ、画像1枚あたりの一律料金です。

Grok Imagine Image 2.0#

xAIのGrok Imagine Image 2.0は、写実的またはスタイライズされた印象的な1K・2K画像を生成・編集します。編集時は入力画像を最大3枚使えます。

Qwen-Image 3.0 Pro#

Qwen-Image 3.0 Proは、中国語・英語の文字を正確に描画し、新聞、メニュー、絵コンテ、インフォグラフィックなど複雑なレイアウトの1K〜2K画像を生成・編集します。

Qwen-Image 3.0#

Qwen-Image 3.0は、指示に忠実で、中国語・英語の文字を安定して描画する画像生成・編集モデルです。画像1枚あたりの低価格な一律料金で利用できます。

Z-Image Turbo#

AlibabaのTongyi Labが開発したZ-Image Turboは、中国語と英語の文字をきれいに描写する写実的な画像を8ステップで生成します。画像1枚1.5セント未満で、Alibabaの公式価格より安く利用できます。

Krea 2 Turbo#

Krea 2 Turboは、高速化・蒸留されたKrea 2です。自然で写真のような画像を約1秒で生成し、肌、光、質感もリアルに描写します。1枚1.5セント未満で、Kreaの公式価格より安く利用できます。

MOSS Image#

OpenMOSSのMOSS Imageは、読みやすい中国語・英語の文字を描き、JSONレイアウトの指定に沿って文字や物体を配置できる5Bのオープンウェイト型テキスト画像モデルです。1K、1.5K、2Kに対応します。